La IA podría trabajar pronto junto a los humanos para cultivar la fresa perfecta.
Investigadores de la Western University han desarrollado un sistema de inteligencia artificial que promete transformar el cultivo de una de las frutas favoritas del mundo, la fresa, con efectos potenciales en todo el sector agrícola.
Y no, esto no está relacionado con OpenAImodelo o1antes llamado "Proyecto Fresa".
En estudiarpublicado en la revista Foods, muestra un notable avance de la tecnología agrícola.
Utilizando técnicas avanzadas de aprendizaje automático, el equipo ha creado un sistema capaz de detectar la madurez y las enfermedades de las fresas con una precisión cercana al 99%, todo ello mediante un simple seguimiento con cámara.
"Queríamos reducir el tamaño de estos modelos de IA para convertirlos en algo factible para los agricultores y la producción localizada", explica Joshua Pearce, titular de la Cátedra John M. Thompson de Tecnología de la Información e Innovación de Western Engineering y de la Escuela de Negocios Ivey.
"No sólo queríamos aumentar la precisión, que está por encima de 98%, sino también reducir el tamaño de los modelos".
Lo que distingue a esta investigación es su interés por la accesibilidad. A diferencia de muchas soluciones agrícolas de alta tecnología destinadas a operaciones a gran escala, Pearce y su colega Soodeh Nikan diseñaron su sistema pensando en las explotaciones pequeñas y medianas.
La metodología del equipo combinaba técnicas innovadoras de IA con conocimientos prácticos de agricultura:
- Empezaron por recopilar diversos conjuntos de imágenes de fresas, incluidas frutas sanas y otras afectadas por diversas enfermedades.
- A continuación, estas imágenes se procesaron y aumentaron para crear un sólido conjunto de datos de entrenamiento.
- Los investigadores perfeccionaron tres modelos de IA distintos -Vision Transformer, MobileNetV2 y ResNet18-, cada uno de los cuales aportaba sus puntos fuertes a la tarea.
- Para garantizar que la IA pudiera manejar la variabilidad del mundo real, incorporaron técnicas como la ponderación de clases y la generación de imágenes sintéticas.
- Quizá lo más importante es que integraron "mecanismos de atención" en los modelos, lo que permitió a la IA centrarse en las partes más relevantes de cada imagen.
El sistema destaca en dos tareas principales:
- Detección de la madurez: Puede clasificar con precisión las fresas como maduras o inmaduras, lo que ayuda a los agricultores a optimizar el momento de la cosecha.
- Identificación de enfermedades: La IA puede detectar e identificar siete tipos distintos de enfermedades de la fresa: mancha angular de la hoja, podredumbre antracnosis de la fruta, tizón de la flor, moho gris, mancha de la hoja, mildiú polvoroso de la fruta y mildiú polvoroso de la hoja.
Los resultados hablan por sí solos. Con unos índices de precisión que rondan los 98%, el sistema supera con creces los intentos anteriores de seguimiento automatizado de las fresas.
Sin embargo, las implicaciones de esta investigación van mucho más allá de la mera mejora del rendimiento de las fresas.
El potencial para reducir el desperdicio de alimentos también es evidente. Según la Organización de las Naciones Unidas para la Agricultura y la Alimentación, aproximadamente 14% de los alimentos producidos se pierde entre la cosecha y la venta al por menor.
Tecnologías como este sistema de IA podrían ayudar a resolver este problema optimizando el momento de la cosecha y reduciendo las pérdidas por enfermedades o exceso de maduración.
"Reducir el despilfarro y el coste de los alimentos es, obviamente, un gran problema hoy en día. Como todo el mundo, siempre me sorprendo cuando voy al supermercado y veo el precio de las frutas y verduras frescas", dice Nikan.
"A la hora de elegir proyectos, suelo buscar algo que sea crítico para la seguridad o una necesidad de la sociedad. Con mi experiencia en otras aplicaciones, no dejé pasar la oportunidad de aplicar mis conocimientos y experiencia a la seguridad alimentaria."
De cara al futuro, el equipo ya está planeando probar su sistema en exteriores y utilizar drones para realizar un seguimiento más amplio sobre el terreno.
También están estudiando el uso de imágenes sintéticas generadas por IA para reducir aún más los datos necesarios para entrenar modelos eficaces.
"En lugar de tomar imágenes de millones de fresas, que es un método de bajo rendimiento y alto coste, estamos utilizando imágenes sintéticas y software de código abierto para crear millones de imágenes nosotros mismos, con una potencia informática relativamente baja, lo que ahora nos permite hacer observaciones muy detalladas sobre la madurez y las enfermedades de plantas muy concretas", explica Nikan.
Pearce añade: "El software es totalmente gratuito y de código abierto, y los agricultores de cualquier tipo pueden descargarlo y adaptarlo a sus necesidades. Pueden preferir que el sistema de IA les envíe un correo electrónico o un ping a su teléfono cuando detecte una enfermedad, o incluso que les reenvíe una imagen de una planta concreta que esté lista para recoger. El software está muy abierto para hacerlo propio".
